為了安全起見，自動(dòng)駕駛汽車必須能夠準(zhǔn)確地跟蹤周圍的行人、自行車和其他車輛的運(yùn)動(dòng)。現(xiàn)在，據(jù)外媒報(bào)道，美國卡內(nèi)基梅隆大學(xué)（Carnegie Mellon University）研發(fā)了一種新方法，可更高效地訓(xùn)練此類跟蹤系統(tǒng)。

（圖片來源：卡內(nèi)基梅隆大學(xué)）

一般而言，用于訓(xùn)練跟蹤系統(tǒng)的道路數(shù)據(jù)和交通數(shù)據(jù)越多，結(jié)果就會(huì)越好。為此，卡內(nèi)基梅隆大學(xué)的研究人員研發(fā)了一種新方法，用于解鎖大量的自動(dòng)駕駛數(shù)據(jù)。

大多數(shù)自動(dòng)駕駛汽車主要依賴一種稱為激光雷達(dá)的傳感器進(jìn)行導(dǎo)航。激光雷達(dá)是一種產(chǎn)生有關(guān)車輛周圍環(huán)境3D信息的激光設(shè)備，此種3D信息不是圖像，而是點(diǎn)云。車輛采用一種稱為場(chǎng)景流的技術(shù)了解此類數(shù)據(jù)，其中包括計(jì)算每個(gè)3D點(diǎn)云的速度和軌跡。一起移動(dòng)的點(diǎn)云組通過場(chǎng)景流被釋義為車輛、行人或其他移動(dòng)的物體。

過去，訓(xùn)練此類系統(tǒng)最先進(jìn)的方法是需要使用帶有標(biāo)記的數(shù)據(jù)集，此類傳感器數(shù)據(jù)已經(jīng)被注釋，隨著時(shí)間推移，會(huì)跟蹤每個(gè)3D點(diǎn)云。但是，手動(dòng)標(biāo)記此類數(shù)據(jù)集既費(fèi)力又昂貴，因此，幾乎沒有標(biāo)記好的數(shù)據(jù)存在。相反，場(chǎng)景流訓(xùn)練通常利用模擬數(shù)據(jù)進(jìn)行，效率更低，之后會(huì)利用少量已標(biāo)注好的真實(shí)世界數(shù)據(jù)進(jìn)行微調(diào)。

卡內(nèi)基梅隆大學(xué)的研究人員則采用了不同的方法，采用未經(jīng)標(biāo)記的數(shù)據(jù)進(jìn)行場(chǎng)景流訓(xùn)練。因?yàn)橥ㄟ^在汽車上安裝激光雷達(dá)，并讓車輛四處行駛，生成未標(biāo)記的數(shù)據(jù)相對(duì)簡(jiǎn)單，而且數(shù)據(jù)不會(huì)短缺。

該種方法的關(guān)鍵是研發(fā)一種方法，讓系統(tǒng)能夠在場(chǎng)景流中探測(cè)到自己的錯(cuò)誤。在每一個(gè)瞬間，該系統(tǒng)都嘗試預(yù)測(cè)每一個(gè)3D點(diǎn)云的移動(dòng)方向和移動(dòng)速度。在下一個(gè)瞬間，該系統(tǒng)就能夠測(cè)量出點(diǎn)云預(yù)測(cè)位置與靠近點(diǎn)云預(yù)測(cè)位置最近的實(shí)際位置之間的距離，該距離就是一種錯(cuò)誤，需要盡可能實(shí)現(xiàn)最小化。

然后，該系統(tǒng)會(huì)將該過程逆轉(zhuǎn)，從預(yù)測(cè)的點(diǎn)云位置開始，向后映射出點(diǎn)云的起始位置。因此，會(huì)測(cè)量預(yù)測(cè)位置與實(shí)際起始位置之間的距離，從而產(chǎn)生了第二種錯(cuò)誤。

然后，該系統(tǒng)會(huì)糾正此類錯(cuò)誤。

雖然聽起來很復(fù)雜，不過研究人員發(fā)現(xiàn)此種方法很有效。研究人員們計(jì)算出，利用合成數(shù)據(jù)訓(xùn)練集執(zhí)行場(chǎng)景流訓(xùn)練的精度只有25%。當(dāng)采用了少量的真實(shí)世界經(jīng)標(biāo)記數(shù)據(jù)微調(diào)合成數(shù)據(jù)時(shí)，準(zhǔn)確率提高至31%；當(dāng)加入大量未標(biāo)記的數(shù)據(jù)以利用他們的方法訓(xùn)練系統(tǒng)時(shí)，場(chǎng)景流的精度躍升至46%。

返回第一電動(dòng)網(wǎng)首頁 >